JYVÄSKYLÄN YLIOPISTO Kauppakorkeakoulu RAKENNUSTUOTANTOTILASTOT TALOUSSUHDANTEIDEN ENNUSTEINDIKAATTOREINA

Transkriptio

1 JYVÄSKYLÄN YLIOPISTO Kauppakorkeakoulu RAKENNUSTUOTANTOTILASTOT TALOUSSUHDANTEIDEN ENNUSTEINDIKAATTOREINA Kansantaloustiede Pro gradu -tutkielma Kevät 2014 Laatija: Simo Karvinen Ohjaaja: Kari Heimonen

2

3 JYVÄSKYLÄN YLIOPISTON KAUPPAKORKEAKOULU Tekijä Simo Karvinen Työn nimi Rakennustuotantotilastot taloussuhdanteiden ennusteindikaattoreina Oppiaine Kansantaloustiede Työn laji Pro gradu -tutkielma Aika Huhtikuu 2014 Tiivistelmä Abstract Sivumäärä Tässä pro gradu tutkielmassa tarkastellaan rakennustuotantotilastojen, tarkemmin rakennuslupien ja aloitettujen rakennusten, hyödyllisyyttä ennustettaessa talouden suhdanteita Suomessa. Tutkielma hyödyntää neljännesvuosittaista aineistoa ajalta , ennusteiden sijoittuessa ajalle Ennustemallina käytetään kahden muuttujan ARDL-mallia, jossa muuttujina ovat valittu suhdannemuuttuja ja ennustemuuttuja. Selitettävä muuttuja on suhdannemuuttuja ja selittävät muuttujat suhdannemuuttujan viiveet välillä 0-4 ja ennustemuuttujan viiveet välillä 1-4. Ennusteet muodostetaan rekursiivisesti vuosille , yksi neljännes eteenpäin siten, että viivemäärä valitaan jokaiselle ennusteelle Akaiken informaatiokriteerin perusteella. Suhdanteita kuvaavat muuttujat ovat bkt, työllisyys, asuntojen hinnat ja rakentamisen liikevaihto. Ennustemuuttujina käytetään rakennuslupia ja aloitettuja rakennuksia, jotka jaetaan edelleen asuntorakentamiseen ja muuhun rakentamiseen. Ennustemuuttujina käytetään myös, vertailun vuoksi aiempaan kirjallisuuteen, kuluttajaluottamusta, korkospreadia ja pörssi-indeksiä. Tulokset osoittavat, että rakennusluvat ja aloitetut rakennukset sisältävät informaatiota tulevista suhdannevaihteluista, ja niiden avulla saadaan ARDL-mallin valossa tarkempia ennusteita kuin muiden vertailumuuttujien avulla. Rakennustuotantotilastoista erityisesti asuntoluvat ja aloitettu asuntorakentaminen ovat selvästi ennakoivia indikaattoreita; muu rakentaminen ei anna yhtä vahvoja viitteitä ennustekyvystä. 61 Asiasanat Rakennusluvat, aloitetut rakennukset, suhdanteet, ennustaminen, ARDL-malli Säilytyspaikka Jyväskylän yliopiston kauppakorkeakoulu

4

5 KUVIOT KUVIO 1 Rakentamistoimialan prosenttiosuus Suomen bruttokansantuotteesta KUVIO 2 Rakennuslupien kehitys , milj. m KUVIO 3 Aloitettujen rakennusten määrän muutos , prosentuaalinen kasvu edellisestä neljänneksestä KUVIO 4 Asuntotuotannon osuus koko rakentamisesta , aloitetut rakennukset KUVIO 5 Rakennuslupien muutos edelliseen neljännekseen , asunto- ja muu rakentaminen KUVIO 6 Asunnoille myönnettyjen rakennuslupien ja BKT:n muutosprosentit edellisestä neljänneksestä (asuntolupien muutosprosentit jaettu viidellä) KUVIO 7 Asunnoille myönnettyjen rakennuslupien ja työllisyyden muutosprosentit edellisestä neljänneksestä (asuntolupien muutosprosentit jaettu viidellä) KUVIO 8 Asunnoille myönnettyjen rakennuslupien ja asuntohintojen muutosprosentit edellisestä neljänneksestä (asuntolupien muutosprosentit jaettu kahdella) KUVIO 9 Aloitettujen rakennusten ja rakentamisen liikevaihdon määräindeksin muutos edellisestä neljänneksestä KUVIO 10 Asunnoille myönnettyjen rakennuslupien kasvuaste edellisestä neljänneksestä ja kuluttajaluottamusindikaattori KUVIO 11 Korkospread Suomessa KUVIO 12 Helsingin pörssin yleisindeksi KUVIO 13 Ennusteet verrattuna varsinaiseen BKT:n muutokseen KUVIO 14 Ennusteet verrattuna varsinaiseen työllisyyden muutokseen KUVIO 15 Ennusteet verrattuna varsinaiseen asuntohintojen muutokseen KUVIO 16 Ennusteet verrattuna varsinaiseen rakentamisen liikevaihdon muutokseen TAULUKOT TAULUKKO 1 Tutkimuksessa käytettävät muuttujat ja niiden selitteet TAULUKKO 2 Rakennustuotantomuuttujien korrelaatiot muiden muuttujien kanssa TAULUKKO 3 ADF-testien tulokset TAULUKKO 4 Muuttujien MSFE-vertailu, BKT-ennuste TAULUKKO 5 Ennustevirheiden itseisarvojen keskiarvot, BKT-ennuste TAULUKKO 6 Muuttujien MSFE-vertailu, työllisyysennuste... 43

6 TAULUKKO 7 Ennustevirheiden itseisarvojen keskiarvot, työllisyysennuste.. 44 TAULUKKO 8 Muuttujien MSFE-vertailu, asuntohintaennuste TAULUKKO 9 Ennustevirheiden itseisarvojen keskiarvot, asuntohintaennuste TAULUKKO 10 Muuttujien MSFE-vertailu, rak. liikevaihdon ennuste TAULUKKO 11 Ennustevirheiden itseisarvojen keskiarvot, rak. liikevaihdon ennuste LIITTEET LIITE 1 Rakennustuotantomuuttujien korrelaatiotaulukot

7 SISÄLLYS ABSTRACT KUVIOT, TAULUKOT JA LIITTEET SISÄLLYS 1 JOHDANTO ENNUSTEINDIKAATTORIT JA RAKENTAMINEN SUHDANNE- ENNUSTEISSA Erilaiset ennusteindikaattorit Rakentamisen yhteys muuhun talouteen Indikaattorin ja mallin valinnan ongelmista KÄYTETTÄVÄ AINEISTO Suhdannemuuttujat BKT ja työllisyys Asuntojen hinnat Rakentamisen liikevaihtokuvaaja Ennustemuuttujat Rakennustuotanto Kuluttajabarometri Korkomuuttujat ja Helsingin pörssin yleisindeksi Aikavälin valinta Muuttujien ominaisuudet ja niiden suhde rakentamiseen Rakennustuotanto BKT ja työllisyys Asuntohinnat ja rakentamisen liikevaihto Kuluttajaluottamus, korkomuuttujat ja pörssi-indeksi Muuttujien suhteet rakennustuotantoon korrelaatiotarkastelussa MENETELMÄT Aikasarjojen stationaarisuus Muuttujien ennustekyvyn vertailu RAKENNUSTUOTANTOTILASTOJEN ENNUSTEKYKY Stationaarisuustestit ja aikasarjamuunnokset Varsinainen ennustekyky BKT Työllisyys Asuntojen hinnat Rakentamisen liikevaihto JOHTOPÄÄTÖKSET... 50

8 LÄHTEET LIITTEET... 56

9 1 JOHDANTO Talouden suhdanteiden ennustaminen on makrotalouden arkipäivää. Suhdanteiden ennustettavuus on hyödyllistä kaikille talouden toimijoille: päättäjät voivat suunnitella talouspolitiikkaa, kuluttajat harkita tulevia ostopäätöksiään ja yritykset puntaroida investointien ajoittamista. Ennusteita on pyritty luomaan useiden erilaisten talousmuuttujien pohjalta. Käytetyimpien joukossa ovat muun muassa korkojen tuottoerot, erilaiset luottamusbarometrit, teollisuuden tilaukset ja pörssikurssit. Myös useasta eri indikaattorista summattuja komposiitti-indikaattoreita on tehty. Nämä komposiitti-indikaattorit pitävät yleensä sisällään noin viidestä kymmeneen eri indikaattoria, joiden painotettu tai painottamaton yhteistulos ratkaisee indikaattorin arvon. Yleisesti ottaen ennakoivien indikaattorien on nähty ennustavan jokseenkin osuvasti talouden suhdanteita pitkässä juoksussa. Ne antavat usein oikean signaalin talouden käänteistä, joskaan ne eivät ole olleet virheettömiä esimerkiksi suurten tuotannon muutosten edellä. Tätä on todistettu muun muassa viimeisimmän finanssi- ja velkakriisin myötä. Talouden indikaattorit ovat hyödyllisiä työkaluja, mutta eivät ongelmattomia suhdanteiden ennustamisessa. Indikaattorit eivät aina anna oikeita signaaleja suhdannemuutoksista, ja voivat ennustaa suhdannenousuja tai laskuja, joita ei välttämättä tulekaan. Suhdanteissa on ollut myös suuria muutoksia, joita ei ole kyetty ennustamaan. Tuoreena esimerkkinä löytyy vuosien talouskriisi, joka yllätti ennusteet. Myös indikaattorit itsessään voivat muuttua; ne lasketaan menneen kehityksen perusteella ja niiden lukuja ja laskentatapoja voidaan tarkistaa ajan kuluessa. Tärkeänä voidaan pitää myös uusien indikaattorien jatkuvaa etsimistä ja tutkimista. Näiden perusteella voidaan luoda kattavampia ja luotettavampia ennusteita. Tässä tutkimuksessa tarkastellaan, voiko suomalaisista rakennustuotannon tilastoista saada ennakoivaa tietoa Suomen talouden tulevista suhdanteista. Etukäteen näin voidaan perustellusti ajatella, sillä rakentaminen vaikuttaa monella tapaa talouteen. Rakentamisen kasvu lisää rakennusaikana esim. työvoiman, työvälineiden ja rakennusmateriaalien kysyntää. Asuntorakentamisessa asumiseen liittyvien hyödykkeiden, kuten huonekalujen, sisustuksen ja kodinelektroniikan, kysyntä kasvaa. Myönnetyt rakennusluvat voivat kertoa talouden toimijoiden tulevaisuuden näkymistä: näissä tilastoissa kasvu kertonee luottamuksesta talousnäkymien parantumiseen, kun taas lasku voidaan nähdä varautumisena laihempiin aikoihin. Muualla maailmassa rakentamistilastoista on jo tutkitusti osoitettu olevan hyötyä ennakoivana indikaattorina (esim. Strauss 2013). Consumer Boardin julkaiseman U.S. Leading Indexin osaindikaattorina toimii yksityisasunnoille myönnetyt rakennusluvat. Myönnetyt rakennusluvat tai aloitetut rakennukset sisältyvät OECD:n ylläpitämiin, eri maille yksilöllisiin komposiittiennusteindikaattoreihin useissa suurissa talouksissa (esim. Ranska, Japani ja Kanada). Yhdysvalloissa on oltu kiinnostuneita rakentamisen luonteesta ja vaikutuksesta

10 10 tuotantoon erityisesti subprime-kriisin jälkimainingeissa. Mielenkiintoa euroalueella nostaa van der Noordin (2004) tutkimustulos, jonka mukaan euron käyttöönoton myötä laskeneet korot ja euron vaihtokurssi euromaissa ovat johtaneet muutoksiin taloudellisessa toiminnassa ja inflaatiossa pääosin asuntomarkkinoiden kautta. Osassa euromaita kriisin seuraukset näkyivät vakavasti kuumentuneen rakennustuotannon romahduksena. Talouden ennustamisen kirjallisuus on jakautunut kahteen osa-alueeseen: yhtäältä tutkitaan jatkuvaa suhdanteiden ennustettavuutta, toisaalta yritetään ajoittaa indikaattorien turvin mahdollisimman tarkasti taantumaan ajautumisen hetkiä. Tutkimus on viime aikoina keskittynyt vuoden 2007 jälkeisten tapahtumien jälkeen jälkimmäiseen. Tässä tutkimuksessa pyritään keskittymään pikemminkin ensin mainittuun käyttötarkoitukseen. Tutkimusaikaväli valitaan kuitenkin siten, että siihen sisältyy viimeisen finanssi- ja pankkikriisin lisäksi myös tasaisemman kehityksen aikaa suhdannelaskun jälkeen. Ennakoivia indikaattoreita koskevissa tutkimuksissa on yleensä päädytty siihen, että useat indikaattorit ennustavat talouden suhdanteita melko hyvin. Nämä indikaattorit riippuvat kuitenkin paljolti siitä, mitä maata/talousaluetta tutkitaan ja millä aikavälillä; kaikkina aikoina ja eri ympäristöissä pätevää indikaattoria ei ole löytynyt. Tämä motivoi osaltaan rakennustilastojen tarkastelua Suomen osalta, sillä rakentamista yksinään on tutkittu vähän Suomessa. Käsiteltävä aikaväli, 1980-luvun lopusta nykypäivään, kattaa lyhyen, mutta tuoreen aikavälin ja antaa nykykuvaa rakennustilastojen merkittävyydestä tämän päivän suhdanne-ennusteissa. Aikaväli sisältää myös talouskriisiaikoja; näin saadaan tietoa, miten hyvin rakennustilastoilla saadaan ennustettua tavallisemman vaihtelun lisäksi myös poikkeuksellisen vahvoja suhdannevaihteluita. Tässä tutkimuksessa keskitytään erityisesti myönnettyihin rakennuslupiin. Myönnettyjen lupien tilasto on rakennustilastoista luonteeltaan ennakoivin: lupa on myönnettävä ennen kuin rakentaminen voidaan aloittaa. Lisäksi huomiota kiinnitetään aloitettujen rakennusten tilastoon. Aloitusten määrä antaa tarkemman kuvan rakentamisesta, joka etenee toteutukseen asti ja vaikuttaa täten suoraan taloudelliseen toimintaan. Toisaalta aloitustilastot eivät ole luonteeltaan yhtä ennakoiva kuin rakennuslupatilastot, joten näiden kahden eroavuudet ennustekäytössä ovat sinällään mielenkiintoisia. Tilastoja käsitellään sekä kokonaisuutena, että eroteltuna asuntorakentamisen ja muun rakentamisen suhteen. Voidaan odottaa, että asuntorakentaminen toimii hyvänä ennakoivana indikaattorina. Lupien hakeminen heijastaa kuluttajien odotuksia tulevasta talouskehityksestä. Yksittäisen kuluttajan suurimpia hankintoja on oman asunnon osto; siihen ryhdytään, kun oman tulotason uskotaan pysyvän vakaana tai kasvavan. Muun rakentamisen suhteen ennakoiva luonne on moniselitteisempi. Muu rakentaminen pitää sisällään esimerkiksi liike- ja toimistorakentamista ja julkista rakentamista. Yritysten halukkuus rakentaa kertoo yritysten näkymistä tulevan talouskehityksen suhteen. Julkisen rakentamisen tulisi luonteeltaan olla vastasyklistä, joten ideaalitilanteessa se olisi yhtäaikaista, mutta vastakkaista toimintaa taloussuhdanteen kanssa. Lisäksi muu rakentaminen pitää sisällään vaihtelevanhintaista rakentamistoimintaa verrattuna asuinraken-

11 tamiseen, missä rakennuskuution hinta on asunnosta riippumatta suhteellisen vakaa. Lähestymistapa empiiriseen tutkimukseen on seuraavanlainen: rakennusindikaattoreja ja niiden viiveitä käytetään taloussuhdanteita kuvaavien muuttujien muutoksia selittävänä tekijänä ARDL-mallissa. Ennustekykyä verrataan suhdannemuuttujien autoregressioita vastaan. Tämän lisäksi vertailuun otetaan myös muita kirjallisuudessa tunnettuja ennusteindikaattoreita, kuten kuluttajaluottamusindikaattori, korkoero ja pörssi-indeksi. Tutkimus etenee seuraavasti: toisessa luvussa tarkastellaan kirjallisuuskatsauksen myötä, kuinka suhdanteita on ennustettu ja millä indikaattoreilla. Luvussa tarkennutaan erityisesti rakennustilastojen käyttöön suhdanneennusteissa. Kolmannessa luvussa tutustutaan tarkemmin käytettävään aineistoon ja neljännessä luvussa käydään läpi empiirisessä tutkimuksessa käytettävät ekonometriset menetelmät. Viides luku pitää sisällään työn empiirisen osuuden, missä rakennustilastojen ennustavaa merkitystä suhdanteisiin mitataan käytettävän aineiston turvin. Tämän jälkeen seuraavat johtopäätökset. 11

12 12 2 ENNUSTEINDIKAATTORIT JA RAKENTAMINEN SUHDANNE-ENNUSTEISSA Tässä luvussa tutustutaan tarkemmin kirjallisuuteen ennusteindikaattoreista. Kirjallisuutta löytyy runsaasti erityisesti Yhdysvalloista, missä eri indikaattoreita on testattu ahkerasti ja 1990-lukujen vaihteesta lähtien. Luvussa tarkastellaan lähemmin myös rakennustoiminnan yhteyttä muuhun talouteen ja rakennusindikaattorien käyttöä ennustavina indikaattoreina. 2.1 Erilaiset ennusteindikaattorit Hyviä suhdanne-ennusteindikaattoreita on etsitty ja tutkittu jo pitkään. Erilaisia indikaattoreita onkin tutkimuksen kautta löydetty, mutta ongelmana yleensä on, että indikaattorit eivät ole ennusteissaan vakaita ajallisesti tai paikallisesti. Erilaiset shokit ja niiden yhdistelmät vaikuttavat monilla eri tavoilla talousindikaattoreihin, mikä johtaa luonnollisesti indikaattoreiden eroavuuksiin ennustekäytössä eri ajanjaksoina. Stockin ja Watsonin (1992) tutkimus kertoo tästä: yrittäessään selittää Yhdysvaltojen 1990-luvun alun taantumaa erilaisin ennakoivin indikaattorein, he eivät löytäneet kuin muutaman indikaattorin 45:stä, jotka jossain määrin ennakoivat taantumaa. Nämä indikaattorit eivät kuitenkaan antaneet selvää signaalia aiempien taantumien osalta. Yleensä hyvinä ennustajina pidetyt rahatalouden indikaattorit eivät 1990-luvun alussa toimineet hyvin, sillä tuolloiseen taantumaan ei liittynyt rahapolitiikan kiristyminen (Stock & Watson 1992). Korkoeroa eli spreadia on pidetty pitkään yhtenä parhaista indikaattoreista. Spreadilla tarkoitetaan ennusteindikaattoreista puhuttaessa pitkäaikaisen ja lyhytaikaisen koron erotusta. Ennustekirjallisuudessa niillä viitataan useimmiten kyseessä olevan valtion kymmenen vuoden obligaation korkoon ja kolmen kuukauden markkinakorkoon; euriboriin, mikäli kyseessä on euroalue. Lähtökohtaisesti tutkimukset osoittavat, että spreadin muuttumista negatiiviseksi seuraa taantuma taloudessa. Useissa tutkimuksissa spreadin ennakoiva luonne on todennettu (muun muassa Estrella & Mishkin 1995; Estrella, Rodriques & Schich 2003; Stock & Watson 2003), mutta se ei ole ollut aina yleisesti pätevä. Estrella et al. (2003) näyttivät, että spreadin ennustekyky on pysynyt vakaana Saksassa 1960-luvulta vuosituhannen vaihteeseen asti. He löysivät kuitenkin katkokohdan spreadin ennustekyvyssä Yhdysvalloissa 1980-luvulla. He liittivät katkon ajankohdan sitä edeltäneeseen rahapolitiikan muutokseen ja totesivat esimerkiksi politiikan muutosten vaikuttavan kohdemuuttujan ennustekäyttäytymiseen. Erilaisia luottamusindikaattoreita on laajalti pidetty suhdanteita ennakoivina muuttujina. Ne antavat kuvaa talouden toimijoiden tulevaisuuden näkymistä. Erityisesti kuluttajaluottamus on usein tutkimusten kohteena (esim.

13 Dees & Soares Brinca 2013; Dreger & Kholodilin 2011; Claveria, Pons & Ramos 2007). Tulokset ovat olleet ristiriitaisia; Dees ja Soares Brinca (2013) tutkivat kuluttajaluottamuksen ennustekykyä yksityiseen kulutukseen euroalueella ja Yhdysvalloissa, ja löysivät tukea sille, että kuluttajaluottamuksesta on hyötyä ennustekäytössä erityisesti silloin, kun luottamuksessa tapahtuu suuria muutoksia. Dreger ja Khubodilin (2011) ennustivat euroalueen yksityistä kulutusta ja huomasivat, että kuluttajaluottamusindikaattorit sinällään eivät tuoneet merkittävää lisäarvoa ennusteisiin. Niistä voitiin kuitenkin saada merkitsevää hyötyä ottamalla ennustekäyttöön vain valikoituja kysymyksiä, joiden avulla indikaattori oli muodostettu. Claveria et al. (2007) taas havaitsivat euroalueen aineistolla, käyttäen useita eri makromuuttujia, että luottamusindikaattoreiden käyttö alensi useimmissa tapauksissa ennustevirheitä. Hyöty oli kuitenkin tilastollisesti merkitsevää vain harvoin. Batchelor ja Dua (1998) löysivät hyödyllistä informaatiota kuluttajaluottamusindikaattorista 1990-luvun alun taantuman ennustamiseen Yhdysvalloissa, mutta ennustevoima ei säilynyt vakaana aiempien taantumien osalta. Luottamusindikaattorit muodostetaan kyselyinä, joten tuloksena saadaan yleinen mielipide tulevasta talouskehityksestä. Kritiikkiä voidaan asettaa sille, kuinka hyvin vastaajat voivat ennustaa tulevaa. Toisaalta vastaajat voivat käyttää kaikkea käytettävissä olevaa informaatiota ja muodostaa niiden pohjalta kokonaiskuvan, joka pitää sisällään tietoa useasta lähteestä. On huomattu, että yksittäinen ennusteindikaattori ei välttämättä ole paras vaihtoehto ennustamiseen. Myöhemmässä tutkimuksessaan Stock ja Watson (2003) huomasivat tutkiessaan muun muassa korkoja ja pörssikursseja tuotannon ja inflaation ennustamisessa, että jotkut indikaattorit tuottivat päteviä ennusteita joissakin maissa jollakin aika-välillä. Kuitenkaan mitään yleispätevää indikaattoria ei löytynyt. Esimerkiksi edellä mainittu korkoero oli hyvä ennuste tuotannon kasvulle Yhdysvalloissa ja Saksassa 1980-luvulla, mutta ennuste ei pysynyt hyvällä tasolla muina aikoina. Myöskään muissa maissa ei saatu päteviä ennusteita. Samalla he huomasivat, että yksinkertaiset yhdistelmäennusteet paransivat ennustetulosta verrattuna yksinään käytettyihin ennusteisiin. Tämä johtunee siitä, että eri indikaattoreihin perustuvien mallien virheet ovat eriaikaisia ja eri shokeista johtuvia, joten näiden yhdistelmä tasaa yksittäisten mallien tekemiä virheitä kohti keskiarvoa. Jo yksinkertaiset yhdistelmäennusteet, kuten vain mediaanin laskeminen paneelista eri indikaattoreille perustuvia ennusteita, pystyivät kuitenkin tuottamaan vakaampia ennusteita, ainakin tuotantoa ennustettaessa (Stock&Watson 2003). Koska yhdistelmien on nähty toimivan monelta osin vakaammin ja ottavan paremmin huomioon erityyppiset shokit, on yhdistelmäindeksejä pyritty luomaan. Yhdistelmäindeksit pitävät sisällään useita luonteeltaan ennakoivia indikaattoreita, jotka yhdistetään painotettuina tai painottamattomina indekseiksi. Tällaisia indeksejä ovat esimerkiksi OECD:n eri maille luomat CLI:t (Composite Leading Indicator) ja Yhdysvalloissa Conference Boardin Leading Economic Index. Niin pitkään kuin indeksejä on ollut, on niiden ennakointikykyä tutkittu. Auerbach (1981) totesi tuolloin Yhdysvaltojen Bureau of Economic Analysisin (BEA) julkaisemasta ennakoivien indikaattorien indeksistä, että 13

14 14 vaikka vain noin puolet indeksin muuttujista auttoi yksinään ennustamaan syklisiä muuttujia, niin kokonaisindeksi toimi kuitenkin hyvin merkitsevällä tasolla. Myös yksinään heikosti ennustavien muuttujien poisjättäminen kokonaisindeksistä heikensi sen suorituskykyä. Indeksin suorituskyky pitkällä aikavälillä ei kuitenkaan ollut vakaata. Fichtner et al. (2011) tulivat siihen tulokseen tutkiessaan OECD-maiden yhdistelmäindeksejä, että ennustekyky on pääasiallisesti ollut hyvä, mutta se on monen maan osalta heikentynyt ajan myötä. Myös vastakkaisia näkemyksiä hyödyllisyydestä yhdistää useampi indikaattori on olemassa. Estrella ja Mishkin (1995) huomasivat lisäindikaattorien heikentävän ennustekykyä selittäessään taantumien todennäköisyyttä korkoerolla. Samoin Dueker (1997) ja Qi (2001) osoittivat tutkimuksissaan, että yksittäiset muuttujat selittävät yhdistelmäindeksiä paremmin taantumia. Rakennusindikaattorien osalta Strauss (2013) osoitti rakennuslupien ennustavan suhdanteita yhdistelmäindeksiä paremmin vuoden ennustehorisontilla Yhdysvalloissa. 2.2 Rakentamisen yhteys muuhun talouteen Suomessa rakennustoiminnan osuus bruttokansantuotteesta on nykyisin noin viiden prosentin luokkaa (kuvio 1) luvun loppupuolella osuus vaihteli kahdeksan ja kymmenen prosentin välillä alun laman aikana osuus koko BKT:sta laski noin kuuteen prosenttiin, missä se pysytteli 1990-luvun jälkipuoliskon. Vuosituhannen vaihteen jälkeen se on ollut tasaisesti noin viiden prosentin luokkaa. Yleisesti ottaen merkitys kokonaistuotannon kannalta on vähentynyt 30 vuoden aikana. Rakennustoiminnan vaihtelevuus voi kuitenkin olla varsin suurta, ja eri kytkentöjen kautta toimialalla voi olla kokoaan suuremmat vaikutukset taloustilanteeseen. Esimerkiksi Sorjosen (2009) mukaan osasyyllinen Suomen silloisiin talousvaikeuksiin oli pitkään korkealla tasolla säilynyt ja ylikuumentunut rakentaminen. Van der Noord (2004) vahvisti euromaiden osalta, että euron käyttöönoton myötä laskeneet korot ja euron vaihtokurssi euromaissa ovat vaikuttaneet erilailla suuriin ja pieniin euromaihin. Nämä muutokset ovat johtaneet muutoksiin taloudellisessa toiminnassa ja inflaatiossa pääosin asuntomarkkinoiden kautta. Pienempien maiden ja talouksien herkkyys muutoksille näytti olevan huomattavasti voimakkaampaa kuin suurten. Davisin ja Heathcoten (2005) rakentaman kasvumallin mukaan rakennusala on erityisen muutosherkkä: kaikkien alojen tuotanto ja työtuntien määrä korreloivat positiivisesti keskenään, mutta rakennusalalla nämä ovat kaikista aloista eniten volatiileja, ja rakennusalan sisällä asuntoinvestointien keskihajonta on kaksinkertaista muihin rakennusinvestointeihin verrattuna. Davis ja Heathcote pääsivät myös siihen tulemaan, että kulutus, muu rakennusinvestointi, asuntoinvestoinnit ja BKT ovat kaikki toistensa kanssa suoraan verrannollisia. Learnerin (2007) mukaan asuntorakentamisen vaikutukset Yhdysvaltojen taloussykleissä ovat olleet merkittävin syy sykleihin ylipäätään. Vaikka Yhdysvaltojen asuntorakentaminen on kattanut BKT:n kasvusta vain vajaat viisi

15 15 KUVIO 1 Rakentamistoimialan prosenttiosuus Suomen bruttokansantuotteesta prosenttia, se on selittänyt noin neljänneksen talouden heikentymisestä ennen taantumia. Lisäksi se on ollut ensimmäinen talouden osa-alue, joka on aloittanut nousun suhdannepohjalta. Tarkastellessaan asuntoinvestointien ja muun rakennusinvestoinnin suhdetta BKT:n kanssa 25 vuoden ajalta kuudessa eri maassa (Australia, Belgia, Iso- Britannia, Kanada, Ranska ja Yhdysvallat), Kydland, Rupert ja Sustek (2012) havaitsivat, että asuntoinvestointien suhdanteita ennakoiva käytös ja muun rakennusinvestoinnin suhdanteita jäljittelevä käytös ovat ominaisia Yhdysvaltojen ja Kanadan talouksille, mutta eivät niinkään muille maille. Lähes kaikissa tutkittavissa maissa aloitettujen asuntojen määrä kuitenkin ennakoi BKT:n muutoksia. Erojen eri maiden välillä tulkitaan syntyvän eroavuuksista rakennusprosessissa, erityisesti rakennusajoissa. Kydland et al. (2012) huomioivat myös aiemman suhdannekirjallisuuden perusteella, että kasvumallien mukaan muun rakennusinvestoinnin tulisi ennakoida bkt:n muutoksia, kun taas asuntoinvestointien jäljitellä. Tämä on vahvasti ristiriidassa kaiken empirian kanssa. Vaikka varsinaista vahvaa empiiristä näyttöä asuntoinvestointien ennakoivalle ja muun rakennusinvestoinnin jäljittelevälle luonteelle löytyi vain Kanadasta ja Yhdysvalloista, eivät muiden maiden tuloksetkaan vahvistaneet kasvumallien olettamusta päinvastaisesta toiminnasta. Niissä maissa muutokset rakennusinvestoinneissa, olivat ne sitten asuntotai muuhun rakentamiseen, tapahtuivat enemmän tai vähemmän yhtäaikaisina BKT:n muutosten kanssa. Toisaalta, yhtenäisyyttä maiden väliltä löytyi paljon paremmin, kun asuntorakentamisen muutosta mitattiin aloitetuilla rakennuksilla. Samalla Kydlandin et al. (2012) empiirinen kasvumallien tutkimus osoitti, että asuntoinvestointien aikaistuminen on hyvin mahdollisesti seurausta halvoista asuntoihin kiinnitetyistä lainoista.

16 16 Ennustekäytössä rakennustuotannosta keskitytään erityisesti myönnettyihin lupiin ja aloitettuihin rakennuksiin; näiden osalta vielä usein nimenomaan asuntorakentamiseen. Stock ja Watson (1989) perustelivat myönnettyjen asuntolupien tärkeyttä suhdanne-ennusteissa siten, että yksityinen asuminen on kestävin yksityisistä hyödykkeistä. Muutokset asuntoluvissa voivat täten heijastaa laajempia muutoksia kestokulutushyödykkeiden kysynnässä, korkotasossa tai senhetkisessä tulotason arvossa. Tämän lisäksi muutokset luvissa voivat kertoa isommasta muutoksesta rakennussektorin tulevassa aktiivisuudessa, mikä kerroinvaikutusten kautta voi vaikuttaa myös muihin talouden sektoreihin. Rakennusindikaattorien ja kuluttajaluottamuksen välillä on nähty selvä yhteys. Croce ja Haurin (2009) tulivat siihen johtopäätökseen ennustaessaan asuntomarkkinoiden käännöskohtia Yhdysvalloissa eri indikaattoreilla ja näkivät, että kuluttajaluottamusindikaattori on hyvä ennuste asuntomarkkinoiden muutoksille. Strauss (2013) totesi Yhdysvaltojen osalta, että rakennusluvat korreloivat voimakkaasti kuluttajaluottamusindeksin kanssa. Molemmat myös ennakoivat suhdannemuutoksia noin vuoden etuajassa. Kummankin arvot laskevat voimakkaasti 1-2 vuotta ennen taantumaa ja ovat siten suhteellisen tarkkoja taantumaa ennakoivia mittareita. Straussin mukaan rakennuslupien ennustekyky on hyvä juuri siksi, että rakennusluvat heijastavat kuluttajien odotuksia tulevista tuloistaan. Rakennustoiminnan eri indikaattoreita, kuten aloitettuja asuntoja ja myönnettyjä rakennuslupia, on tutkittu ennakoivana indikaattorina yksinään suhteellisen vähän. Yhdistelmäindekseissä ne ovat kuitenkin laajalti käytössä ympäri maailmaa (esim. Conference Boardin Leading Economic Index Yhdysvalloissa, OECD:n ennakoivat indikaattorit mm. Ranskalle ja Japanille). Eräs tutkimus, jossa selvitettiin nimenomaan rakentamista yksinään, oli Straussin (2013) tutkimus rakennuslupien ennakoivasta suhteesta työpaikkojen ja tulotason kasvuun Yhdysvalloissa sekä kansallisesti että osavaltiotasolla vuosina Tulosten mukaan rakennuslupien määrä on hyödyllinen ennakoiva indikaattori suhdanteille. Se toimii useimmissa osavaltioissa suhdanneennusteena paremmin kuin monet perinteiset indikaattorit, kuten korkotaso, CLI (composite leading indicator) ja sen osaindikaattorit, sekä öljyn ja asuntojen hinnat. Straussin rakentama ARDL-malli toimii merkittävästi benchmarkina käytettävää AR-mallia paremmin lähes kaikissa osavaltioissa taantumien aikana ja ennustaa suhteellisen tarkasti jyrkän laskun työpaikkojen määrässä ja tulotasossa viimeisimmän suuren taantuman aikana. Lisäksi granger-kausaalisuus toimii vain yhteen suuntaan, eli rakennusluvat todella ennakoivat työllisyyttä ja tuloja, mutta työllisyys ja tulot eivät ennakoi rakennuslupia. 2.3 Indikaattorin ja mallin valinnan ongelmista Indikaattorivalinnassa voi törmätä kirjallisuuden perusteella moniin ongelmiin. Indikaattorin tehokkuuteen vaikuttavat olennaisesti tarkasteltu aikaväli, talo-

17 usympäristö (valtio tai talousalue) sekä suhdannevaihteluihin liittyvät shokit, joiden tyyppi ja vaikuttavuus voivat vaihdella. Frankel ja Saravelos (2010) kertasivat tätä problematiikkaa tutkiessaan vuosien finanssikriisiä ennakoivia indikaattoreita maiden välillä. Edellä mainittujen asioiden lisäksi tärkeimpiä huomioita oli, että empiirisellä työllä löydetyt ennakoivat indikaattorit pitävät sisällään valintaharhan. Ne valitaan jälkiviisauden perusteella, joskin perustana on jonkinasteinen talousperusteinen järkeily. Vaikka indikaattoreiden tilastollinen merkitsevyys osoitetaankin, niiden käytettävyys eri tilanteessa ja aikavälillä voi olla kyseenalainen. Estrellan ja Mishkinin (1995) tutkimus korostaa edeltäviä väitteitä. He löysivät kaksi indikaattoria, osakkeiden hinnat ja korkoeron, joilla oli kykyä ennustaa taantumia Yhdysvalloissa. Näiden toimivuus vaihteli aikavälistä riippuen: osakkeiden hinnat toimivat parhaiten 1-2 neljänneksen viiveellä, sitä pidemmällä aikavälillä korkoero osoittautui parhaaksi. Lisäksi korkoero toimi paremmin yksinään kuin muiden muuttujien kanssa otoksen ulkopuolisessa ennustamisessa. Tärkeä huomio oli, että yksikin lisämuuttuja tai muuttujan lisäviive saattaa tuhota ennustemallin suorituskyvyn. Samoin otoksen sisäinen ja ulkopuolinen ennustekyky voivat vaihdella huomattavasti: yksi muuttuja saattoi olla hyvä ennustaja mallinmuodostamiseen valitun aikavälin sisällä, mutta ei ollut millään aikavälillä hyödyllinen sen ulkopuolella. Toinen tärkeä asia oli, että optimaalinen otoksen ulkopuolelle ennustamisen aikahorisontti täytyi määrittää erikseen jokaiselle muuttujalle. Vaikka kahden koron (10 vuoden 3 kk:n) korkoero antoi kokonaisuudessaan parhaan tuloksen eri aikahorisonteilla, yhden neljänneksen ennusteessa se hävisi merkittävästi useille eri muuttujille. Myös Stock ja Watson (2003) erittelivät otoksen sisäpuolisen ennustamisen ongelmat: useimmiten käytetty ekonometrian keino ennusteindikaattorin testauksessa, yksinkertainen otoksen sisäinen granger-kausaalisuustesti, ei välttämättä kerro ennustussuhteen pysyvyydestä ja luotettavuudesta. He suosittelevat pysyvyyden tarkistamiseksi esimerkiksi pseudo-ennusteita, jolloin otos jaetaan kahteen aikaväliin; alkupuolen havaintojen avulla muodostetaan malli ja loppupuolelle muodostetaan otoksen ulkopuoliset ennusteet. Näin ennusteita voidaan verrata jo olemassa oleviin havaintoihin. 17

18 18 3 KÄYTETTÄVÄ AINEISTO Tässä luvussa esitellään tutkimuksessa käytettävää aineistoa ja kuvaillaan niiden ominaisuuksia. Muuttujien luonteeseen ja niiden välisiin suhteisiin tutustutaan tarkemmin kuvioiden ja korrelaatioiden avulla. Tutkimuksessa tullaan tarkastelemaan rakennustilastoja ja niiden käyttäytymistä talouden suhdanteisiin nähden. Rakennustilastoista tullaan käyttämään myönnettyjä rakennuslupia ja aloitettuja rakennuksia. Ne jaetaan edelleen asuntorakentamiseen ja muuhun rakentamiseen. Suhdannetilastoina käytetään BKT:ta, työllisyyttä, asuntojen hintakehitystä sekä rakentamisen liikevaihtoa. Lisäksi vertaillaan rakennustilastojen ennustekykyä muutamaan muuhun kirjallisuudessa paljon käytettyyn ennusteindikaattoriin: kuluttajaluottamukseen, korkotasoon ja spreadiin sekä pörssi-indeksiin. Aineisto on koottu pääosin Tilastokeskukselta saatavista tilastoista; korkotilastot ja OMX-indeksi on saatu Suomen Pankilta. Tutkimus tullaan tekemään neljännesvuosittaisella aineistolla parhaan saatavuuden vuoksi. Tutkimuksessa käytettävät muuttujat on listattu taulukkoon 1 selitteineen. TAULUKKO 1 Tutkimuksessa käytettävät muuttujat ja niiden selitteet Muuttuja Selite BKT Reaalinen bruttokansantuote, vuoden 2000 hinnoissa Emp Työllisyys, henkeä Ashinnat Asuntojen hinnat, indeksi Raklvk Rakentamisen liikevaihto, määräindeksi Luvat_k Myönnetyt rakennusluvat, kaikki, m 3 Luvat_a Myönnetyt rakennusluvat, asuntorakennukset, m 3 Luvat_m Myönnetyt rakennusluvat, muut rakennukset (kaikki - asunnot), m 3 Aloit_k Aloitetut rakennukset, kaikki, m 3 Aloit_a Aloitetut rakennukset, asunnot, m 3 Aloit_m Aloitetut rakennukset, muut (kaikki - asunnot), m 3 Kuluot Kuluttajaluottamusindikaattori, saldoluku Euribor 3 kk:n Euribor-korko (Helibor ennen vuotta 1999) Spread Omx Valtion 10 vuoden obligaation ja 3 kk:n Euriborin erotus Helsingin pörssin yleisindeksi 3.1 Suhdannemuuttujat Suhdannemuuttujina tullaan käyttämään BKT:ta, työllisyyttä, asuntojen hintoja ja rakentamisen liikevaihdon volyymia. BKT ja työllisyys ovat yleisempiä taloudellisen toiminnan mittareita ja usein tutkimusten peruslähtökohta taloudellisen toiminnan mittaamisessa. Asuntojen hinnat ja rakentamisen liikevaihto taas liittyvät läheisemmin rakentamiseen ja ovat siksi mielenkiinnon kohteena.

19 BKT ja työllisyys Kansantalouden neljännesvuositilinpidosta selviää Suomen kokonaistaloudellinen kehitys vuosineljänneksittäin kansantalouden tilinpidon mukaisin käsittein (Tilastokeskus 2014a). Neljännesvuositiedot valmistuvat 70 päivää kunkin vuosineljänneksen päättymisen jälkeen. Työvoimatutkimus kerää tietoja vuotiaan väestön työhön osallistumisesta, työllisyydestä ja työttömyydestä sekä työvoiman ulkopuolisten toiminnasta. Työvoimatutkimuksen tiedonkeruu perustuu Tilastokeskuksen väestötietokannasta kahdesti vuodessa satunnaisesti poimittuun otokseen. Kuukausittainen otos on noin henkeä ja tiedot kerätään tietokoneavusteisilla puhelinhaastatteluilla. Vastaajien antamien tietojen pohjalta luodaan kuva koko vuotiaan väestön toiminnasta. (Tilastokeskus 2014b) Tilastokeskuksen neljännesvuositilinpidon tietojärjestelmä koostuu aikasarjatiedoista, joissa ovat vuosittaiset neljännestiedot nykyisellä laskutavalla vuodesta 1990 lähtien laskettavaan neljännekseen saakka. Neljännesvuositilinpidosta on saatu 1980-luvun tietoja historia-aikasarjoista. Historiasarjojen laskutavat eivät täsmää uudempien sarjojen kanssa, joten sarjat eivät linkity toisiinsa suoraan luvun arvot on lisätty uuteen aikasarja-aineistoon ketjuttamalla arvot vanhojen sarjojen neljännesmuutosten avulla. Bruttokansantuotetta mitataan reaalisena vuoden 2000 hinnoissa per capita, työllisyyttä henkilöiden lukumääränä Asuntojen hinnat Osakeasuntojen hinnat -tilasto kuvaa vanhojen osakehuoneistojen hintakehitystä. Osakeasuntojen hinnat -tilasto laaditaan Verohallinnon varainsiirtoveroaineistosta. Neljännesvuositilastossa on mukana noin 2/3 kaikista osakeasuntokaupoista, peittävyys kuitenkin vaihtelee alueittain. Vuositilaston peittävyys on vanhojen osakehuoneistokauppojen osalta lähes täydellinen. Osakeasuntojen hinnoista on saatavilla Verohallituksen varainsiirtoveroaineistoon perustuvaa tietoa vuodesta 1987 lähtien neljännesvuosittain. Hinnat deflatoidaan reaalisiksi hinnoiksi tarkastelua varten. Asuntojen hintoja mitataan hintaindeksinä (vuosi 2000=100). Neljännesvuositilaston tiedot julkaistaan kuukauden kuluttua tarkasteluajanjakson päättymisestä. (Tilastokeskus 2014c) Rakentamisen liikevaihtokuvaaja Rakentamisen liikevaihtoindeksi kuvaa rakennusyritysten liikevaihdon kehitystä. Tarkasteltava muuttuja on kotimaan liikevaihto, joka muodostuu kotimaan arvonlisäveronalaisesta myynnistä. Rakentamisesta tuotetaan myynnin määräindeksi, joka mittaa rakentamisen toimialan tuotannon kehitystä; määräindeksi saadaan jakamalla liikevaihdon arvoindeksi hintaindeksillä. (Tilastokeskus 2014d) Tässä tutkimuksessa käytetään myynnin määräindeksiä, sillä kiinnostuksen kohteena on enemmän reaalinen volyymin kehitys kuin nimellinen liikevaihto.

20 Ennustemuuttujat Ennustemuuttujina tullaan käyttämään rakennustuotantoon liittyviä muuttujia: myönnettyjä rakennuslupia ja aloitettuja rakennuksia, jotka jaotellaan edelleen asuntorakentamiseen ja muuhun rakentamiseen. Lisäksi tarkasteluun otetaan muutamia ennustekirjallisuudessa usein käytettyjä muuttujia, kuten kuluttajabarometri, korkospread ja pörssi-indeksi. Nämä toimivat samalla vertailukohtana rakennustuotantomuuttujien kyvykkyydelle ennustekäytössä Rakennustuotanto Tilastokeskuksen julkaisema rakennus- ja asuntotuotantotilasto kuvaa rakennusluvanvaraisen rakennustoiminnan määrää ja tuotannon volyymia (Tilastokeskus 2014e). Tilaston julkaisuviive on noin kahdeksan viikkoa. Rakennustuotantotilastoista tullaan käsittelemään myönnettyjä asuntolupia sekä aloitettuja rakennuksia. Nämä tullaan edelleen jakamaan kahtia asuntorakentamiseen ja muuhun rakentamiseen; muu rakentaminen pitää sisällään mm. liike- ja toimistotilat, teollisuusrakennukset ja julkiset rakennukset. Sekä rakennusluvista että aloitetuista rakennuksista muodostetaan siis kolme sarjaa: asuntorakentaminen, muu rakentaminen ja rakentaminen yhteensä. Rakennustuotannosta saadaan näin kaiken kaikkiaan kuusi aikasarjaa. Virallisissa tilastoissa lupia ja aloituksia mitataan niin rakennustilavuutena, kerrosalana kuin lukumääränäkin. Lukumääräiset vaihtelut ovat suuria, varsinkin muussa rakentamisessa, eivätkä kerro täsmällistä kuvaa rakennustoiminnan laajuudesta; pieni lähiökioski ja useita kerroksia sisältävä toimistorakennus käsiteltäisiin yhtäläisinä rakennusprojekteina. Rakennusneliöt ja kuutiot ovat tässä suhteessa lähempänä toisiaan, joskin kuutioiden voidaan nähdä antavat vielä enemmän informaatiota. Täten tutkimuksessa käytetään tuotannon määrän mittana tilavuutta. Jakoa asuinrakentamisen ja muun rakentamisen suhteen voidaan perustella sillä, että asuinrakentaminen pitää sisällään oletettavasti kotitalouksien odotuksia ja kulutuskäyttäytymistä. Muu rakentaminen taas kuvastaa enemmän yritysmaailman odotuksia ja investointihalukkuutta. Davis ja Heathcote (2005) huomauttivat tutkimuksessaan, että asunto- ja muun rakentamisen suhdannekäyttäytyminen on erilaista: asuntoinvestoinnit ennakoivat suhdanteita, kun taas muu rakennusinvestointi tulee jäljessä. Toisaalta tuo suhdannekäyttäytyminen ei ole kaikkialla pätevä, vaan voi vaihdella maakohtaisesti, kuten Kydland et al. (2012) osoittivat. Osana tätä tutkimusta saadaan viitteitä asunto- ja muun rakentamisen suhdannekäyttäytymiseen Suomen osalta Kuluttajabarometri Kuluttajabarometri mittaa kuluttajien käsityksiä oman taloutensa ja maan talouden kehityksestä sekä kuluttajien aikomuksia tehdä suurempia hankintoja, säästää tai ottaa luottoa. Tilasto perustuu haastatteluaineistolle noin 1500 henki-